تنقيب البيانات الاتحادي العادل والحافظ للخصوصية للتنبؤ المبكر بالأزمات الصحية: دراسة تجريبية على مستشفيات بغداد

الملخص

تُعدّ الأزمات الصحية المبكرة، مثل بدء الإنتان، وتدهور الحالة القلبية الوعائية، والفشل التنفسي، مشكلةً كبيرةً ولم تُحلّ إلى حدٍّ بعيد في الأنظمة الصحية ذات الموارد المحدودة، ولا سيما في البلدان النامية مثل العراق. وتتطلب إجراءات تنقيب البيانات المركزية التقليدية جمع البيانات من جميع المستخدمين وتجميعها في مكان واحد، مما قد يؤدي إلى نتائج متحيزة في تنقيب البيانات تُلحق الضرر بالفئات السكانية قليلة التمثيل. في هذه الورقة، نقدم FedFairMine، وهو نموذج اتحادي لتنقيب البيانات يحافظ على الخصوصية ويعزز العدالة، ويهدف إلى تحسين التنبؤ المبكر بالأزمات الصحية في المستشفيات. ويتضمن FedFairMine  ثلاثة ابتكارات رئيسية لتحسين كفاءته: (i) محركًا محليًا لاستخراج السمات يولّد تمثيلات قائمة على التدرج وذات صلة سريرية مباشرة على الجهاز، بحيث لا تُرسل بيانات المرضى الخام إلى الخادم؛ (ii) آلية تجميع اتحادية موجّهة نحو العدالة، تهدف إلى تقليل خسارة التنبؤ عبر بيئات البيانات المنفصلة المختلفة، وتحقيق تكافؤ عادل في النتائج بين الفئات الديموغرافية المختلفة، مثل العمر والجنس والوضع الاجتماعي الاقتصادي؛ (iii) نظامًا أنيقًا للخصوصية التفاضلية صُمّم خصيصًا للبيانات الحساسة الخاصة بالسجلات الصحية الإلكترونية في المستشفيات العراقية. وقد جرى تقييم FedFairMine على شبكة اتحادية تضم ستة من كبرى المستشفيات التعليمية في بغداد: الكندي، وغازي الحريري، وابن سينا، ومدينة الطب، واليرموك، والكاظمية. وفي هذه الدراسة، حلّلنا 47,312 حالة مرضية منزوعة الهوية بين عامي 2021 و2024. وحقق FedFairMine  درجة F1  ممتازة بلغت 0.912، متفوقًا على FedAvg  و FedProx  وScaffold  بنسبة 8.3% و5.1% و3.7% على التوالي. كما خفّض التفاوت الديموغرافي (Equalized Odds difference) إلى 0.021، وهو أفضل بنسبة 76% من معايير تنقيب البيانات المركزية المرجعية. وتؤكد هذه النتائج الإمكانات الكبيرة لتنقيب البيانات الاتحادي في تحقيق الدقة التنبؤية والعدالة مع مراعاة خصوصية المرضى، وهي خطوة مهمة نحو تحقيق هدفي الأمم المتحدة للتنمية المستدامة 3 و10.